Tulisan glyph lontara bugis yang terdapat dalam dokumen lama memiliki kualitas tulisan yang kurang baik karena faktor usia dokumen tersebut yang sudah tua, oleh karena itu penelitian ini dilakukan untuk melakukan pengenalan pola glyph pada yang bersumber dari dokumen lama. Glyph lontara bugis pada dokumen tersebut akan dilakukan proses pengolahan citra untuk melakukan perbaikan kualitas citra dengan proses Morfologi citra. Hasil dari proses pengolahan citra selanjutnya akan dilakukan proses pengenalan pola dengan menggunakan metode Perceptron multilayer (PML). Hasil proses pengenalan citra glyph aksara lontara dengan menggunalan metode Perceptron multilayer ini merupakan aplikasi yang dapat mengenali citra glyph lontara bugis dengan keluaran berupa bacaan dari citra glyph. Kemudian dilakukan pengujian validasi akurasi validasi dengan cara membandingkan hasil olah data system menggunakan algoritma perceptron multilayer dengan hasil data aktual atau dengan menguji menggunakan MAPE (Mean Absolute Percentage Error). Hasil yang didapat yaitu nilai akurasi dengan menggunakan algoritma perceptron multilayer sebesar 51,001% dan nilai error sebesar 49,999%.

Glyph Lontara Bugis contained in old documents have a quality of writing that has a lot of noise because the age of the document is old, therefore the research is done to perform the introduction of glyphs on the sourced from Old documents. This document will be processed by image processing to improve image quality using the image morphology process. The result of the image processing process will be carried out by using the Perceptron Multilayer (PML) method. The result of the process of identifying a Lontara character with the method of Perceptron multilayer This is an application that can recognize the image of Lontara Bugis glyph with the output of readings from glyph image. Then it will be tested validation accuracy validation by comparing data system results using multilayer perceptron algorithm with actual data result or by test using MAPE (Mean Absolute Percentage Error). The results found are the accuracy value using the multilayer perceptron algorithm of 51.001% and an error value of 49.999%.